使用基于数值微分估计曲率和挠率的不变扩展卡尔曼滤波进行目标跟踪
Target Tracking Using the Invariant Extended Kalman Filter with Numerical Differentiation for Estimating Curvature and Torsion
AI总结：
针对目标实时运动状态估计问题，提出融合AISE数值微分与SE(3)上IEKF的FS-IEKF-AISE方法，在FS框架下估计速度、加速度及加加速度。
摘要：
目标跟踪的目标是利用位置数据实时估计目标的位置、速度和加速度。本文介绍了一种新颖的目标跟踪技术，该技术采用自适应输入与状态估计（AISE）进行实时数值微分，以根据位置数据估计速度、加速度和加加速度。这些估计值用于在Frenet-Serret（FS）坐标系内对目标运动进行建模。通过在SE(3)中表示该模型，利用不变扩展卡尔曼滤波（IEKF）估计位置和速度。所提出的方法称为FS-IEKF-AISE，通过数值示例进行说明，并与现有技术进行比较。
英文摘要：
The goal of target tracking is to estimate target position, velocity, and acceleration in real time using position data. This paper introduces a novel target-tracking technique that uses adaptive input and state estimation (AISE) for real-time numerical differentiation to estimate velocity, acceleration, and jerk from position data. These estimates are used to model the target motion within the Frenet-Serret (FS) frame. By representing the model in SE(3), the position and velocity are estimated using the invariant extended Kalman filter (IEKF). The proposed method, called FS-IEKF-AISE, is illustrated by numerical examples and compared to prior techniques.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
